（一）. 贝叶斯滤波器

概率机器人的核心是由传感器数据来估计状态。

贝叶斯滤波是状态估计的递归算法，也是每一项状态估计算法的基础。

 一. 贝叶斯算法的两个步骤

（1）prediction （计算先验置信度）

（2）测量更新（结合观测量和先验量，计算出后验置信度）

再将（2）中的后验置信度结合状态转移模型计算下一状态的先验置信度（1），依次递推。

 二. 贝叶斯算法的启动条件（输入）：

初始状态的置信度

三. 贝叶斯滤波的数学推导

基于隐马尔可夫模型（HMM）

（1）计算先验置信度

 （2）计算后验置信度